文章目录

• 一、爬取目标
• 二、展示爬取结果
• 三、爬虫代码
• 四、同步视频
• 五、附完整源码

  您好，我是 @马哥python说，一枚10年程序猿。

  一、爬取目标

  之前，我分享过一些B站的爬虫：

  【Python爬虫案例】用Python爬取李子柒B站视频数据

  【Python爬虫案例】用python爬哔哩哔哩搜索结果

  【爬虫+情感判定+Top10高频词+词云图】"谷爱凌"热门弹幕python舆情分析

  但我学习群中小伙伴频繁讨论B站评论的爬取，所以，再分享一个B站视频评论的爬虫。

  二、展示爬取结果

  首先，看下部分爬取数据：

  ​

  爬取字段含：视频链接、评论页码、评论作者、评论时间、IP属地、点赞数、评论内容。

  三、爬虫代码

  导入需要用到的库：

  import requests  # 发送请求
  import pandas as pd  # 保存csv文件
  import os  # 判断文件是否存在
  import time
  from time import sleep  # 设置等待，防止反爬
  import random  # 生成随机数
  

  定义一个请求头：

  # 请求头
  headers = {
      'authority': 'api.bilibili.com',
      'accept': 'application/json, text/plain, */*',
      'accept-language': 'zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6',
      # 需定期更换cookie，否则location爬不到
      'cookie': "需换成自己的cookie值",
      'origin': 'https://www.bilibili.com',
      'referer': 'https://www.bilibili.com/video/BV1FG4y1Z7po/?spm_id_from=333.337.search-card.all.click&vd_source=69a50ad969074af9e79ad13b34b1a548',
      'sec-ch-ua': '"Chromium";v="106", "Microsoft Edge";v="106", "Not;A=Brand";v="99"',
      'sec-ch-ua-mobile': '?0',
      'sec-ch-ua-platform': '"Windows"',
      'sec-fetch-dest': 'empty',
      'sec-fetch-mode': 'cors',
      'sec-fetch-site': 'same-site',
      'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36 Edg/106.0.1370.47'
  }
  

  请求头中的cookie是个很关键的参数，如果不设置cookie，会导致数据残缺或无法爬到数据。

  那么cookie如何获取呢？打开开发者模式，见下图：

  ​

  由于评论时间是个十位数：

  ​

  所以开发一个函数用于转换时间格式：

  def trans_date(v_timestamp):
      """10位时间戳转换为时间字符串"""
      timeArray = time.localtime(v_timestamp)
      otherStyleTime = time.strftime("%Y-%m-%d %H:%M:%S", timeArray)
      return otherStyleTime
  

  向B站发送请求：

  response = requests.get(url, headers=headers, )  # 发送请求
  

  接收到返回数据了，怎么解析数据呢？看一下json数据结构：

  ​

  0-19个评论，都存放在replies下面，replies又在data下面，所以，这样解析数据：

  data_list = response.json()['data']['replies']  # 解析评论数据
  

  这样，data_list里面就是存储的每条评论数据了。

  接下来吗，就是解析出每条评论里的各个字段了。

  我们以评论内容这个字段为例：

  comment_list = []  # 评论内容空列表
  # 循环爬取每一条评论数据
  for a in data_list:
      # 评论内容
      comment = a['content']['message']
      comment_list.append(comment)
  

  其他字段同理，不再赘述。

  最后，把这些列表数据保存到DataFrame里面，再to_csv保存到csv文件，持久化存储完成：

  # 把列表拼装为DataFrame数据
  df = pd.DataFrame({
      '视频链接': 'https://www.bilibili.com/video/' + v_bid,
      '评论页码': (i + 1),
      '评论作者': user_list,
      '评论时间': time_list,
      'IP属地': location_list,
      '点赞数': like_list,
      '评论内容': comment_list,
  })
  # 把评论数据保存到csv文件
  df.to_csv(outfile, mode='a+', encoding='utf_8_sig', index=False, header=header)
  

  注意，加上encoding=‘utf_8_sig’，否则可能会产生乱码问题！

  下面，是主函数循环爬取部分代码：（支持多个视频的循环爬取）

  # 随便找了几个"世界杯"相关的视频ID
  bid_list = ['BV1DP411g7jx', 'BV1M24y117K3', 'BV1nt4y1N7Kj']
  # 评论最大爬取页（每页20条评论）
  max_page = 30
  # 循环爬取这几个视频的评论
  for bid in bid_list:
      # 输出文件名
      outfile = 'b站评论_{}.csv'.format(now)
      # 转换aid
      aid = bv2av(bid=bid)
      # 爬取评论
      get_comment(v_aid=aid, v_bid=bid)
  

  四、同步视频

  演示视频：

  【2023爬虫演示】用python抓取上千条「卡塔尔世界杯」B站评论！

  ---

  五、附完整源码

  附完整代码： 【B站评论爬虫】用python爬取上千条哔哩哔哩评论

  ---

  我是马哥，全网累计粉丝上万，欢迎一起交流python技术。

  各平台搜索“马哥python说”：知乎、哔哩哔哩、小红书、新浪微博。

   
   天津建设工程信息网官网  中国建筑网官网  网站设计师  贵阳app开发  济南做网站推广哪家好  中国建筑网络学院